5.RDD操作综合实例

一、词频统计

A.分步骤实现

1.准备文件
（1）下载小说或长篇新闻稿

（2）上传到hdfs上

2.读文件创建RDD

3.分词

4.排除大小写lower()，map()
标点符号re.split(pattern,str)，flatMap(),
停用词,长度小于2的词filter()

5.统计词频

6.按词频排序

7.输出到文件

8.查看结果

B.一句话实现：文件入文件出

C.和作业2的“二、Python编程练习：英文文本的词频统计 ”进行比较，理解Spark编程的特点。

二、求Top值

拆分字段

丢弃空行于字段不完整的行

丢弃有空值的行

有效的记录

记录按支付金额排序

取前三名